Jasmine Rice Quality Analyzer Food-Kwaliteit die Machine met GPU-Computer controleert

Inspectieprincipe

De glutineuze die inspecteur van de rijstkwaliteit door ons bedrijf wordt en wordt geproduceerd ontwikkeld wordt verbonden met de glutineuze productielijn van de rijstverwerking en met de glutineuze rijst die en pijpleiding opheft vervoert verbonden. De glutineuze rijst wordt gehaald uit de vervoerende pijpleiding met regelmatige intervallen en de kwaliteit van de glutineuze rijst wordt geanalyseerd. Het kan de heterogeene knoppen van de glutineuze rijst analyseren. De inspectie en de analyse van korrels, graszaden, insect-gegeten korrels, gibberellinekorrels, beschadigde korrels, zwarte kiemen, onzuiverheden, enz., leiden de verbetering van de kwaliteit van glutineuze rijst, en vormstatistische verslagen van tijd tot tijd, terwijl het verbeteren van productveiligheid en traceability.

Wanneer men ontdekt dat de kwaliteit van de glutineuze bemonsterde rijst niet goed is, kunnen de exploitanten van de productielijn de parameters van de glutineuze rijstsorteermachine op de productielijn op tijd aanpassen om de kwaliteit van de glutineuze geproduceerde rijst te verzekeren. De glutineuze rijst die is geïnspecteerd kan automatisch naar de glutineuze lijn van de rijstverwerking door de pijpleiding worden teruggestuurd, en de korrels zijn teruggekeerd naar het pakhuis zonder een korrel van korrel te verspillen.

Materiaalconfiguraties

Zeer belangrijke technologie

1. Automatische binarization: Gebruiks diep neuraal netwerk om de voorgrond en de achtergrond van het beeld te segmenteren. Vergeleken met de traditionele binarizationmethode, kan het op een verscheidenheid van verlichtingsvoorwaarden worden toegepast, en de randsegmentatie van glutineuze rijst is meer vlote, snelle en robuuste Hoge voordelen.

2. Het zelfklevende glutineuze algoritme van de rijstsegmentatie: De verbonden glutineuze rijst kan niet worden gesegmenteerd gebaseerd op de methode van verbonden domeinen. Het diepe neurale netwerk wordt gebruikt om de aangehangen glutineuze rijst op een instantieniveau te segmenteren, dat een snelheid van 1000fps kan bereiken en de aangehangen glutineuze rijst in realtime kan verwerken.

3. De erkenningsalgoritme van Nuomiattributen: keurt een lichtgewicht neuraal netwerk goed en integreert een semi-gecontroleerde leermethode. Het model kan vaak worden geoptimaliseerd slechts door een kleine hoeveelheid gegevens te merken. Het heeft de voordelen van hoge nauwkeurigheid, snelle snelheid, en geschikte plaatsing.

Het combineren van de traditionele methodes van de beeldverwerking en kunstmatige intelligentiealgoritmen om glutineuze rijst te analyseren. Eerst, worden de traditionele visuele methodes gebruikt om de glutineuze rijstkorrels in het videoframe te segmenteren, en dan worden de kunstmatige intelligentiealgoritmen gebruikt om de attributen van de gesegmenteerde glutineuze rijstkorrels te identificeren om te bepalen of er insecten zijn. Mot, het ontspruiten, schimmel en andere problemen. Tegelijkertijd, werden twee high-resolution camera's gebruikt om de voorzijde en de rug van glutineuze rijst te fotograferen, en de eigenschappen van de twee kanten werden geanalyseerd. Door het registratiealgoritme, wordt de voor en achter glutineuze rijst één voor één geregistreerd, en hun respectieve eigenschappen worden gecombineerd om de attributen van een volledige glutineuze rijstkorrel te verkrijgen.

Waaier van toepassingen

Kvs-g de de kwaliteitsanalysator van de reekskorrel is samengesteld uit visueel systeem, softwaresysteem en andere modulestructuren. Wanneer de korrel het gebied van mening van de camera ingaat, wordt de korrel gefotografeerd, en de kenmerken van een volledige korrel worden verkregen door het registratiealgoritme. Attributenidentificatie om te bepalen of er problemen zoals ziektevlekken, de vormgroei, het ontluiken, schade, en insecterosie zijn. Het heeft een brede waaier van toepassingen en is van grote betekenis aan korrel het sorteren en de kwaliteitsverbetering.